Prof. Moniuszko: Po co nam sztuczna inteligencja w medycynie?

Po co nam sztuczna inteligencja w medycynie? Będą nas leczyć roboty?

Sztuczna inteligencja to pojęcie, które obejmuje znacznie szersze zjawiska niż tylko aktywność inteligentnych robotów. Pierwsze przykłady aktywności medycznych androidów czy robotów częściowo zastępujących lekarzy (na przykład w dyscyplinach zabiegowych) przyciągają oczywiście uwagę opinii publicznej, to zrozumiałe. To porusza wyobraźnię, każe stawiać szereg pytań o charakterze etycznym, formalno-prawnym. Sprawia też jednak, że w powszechnej świadomości sztuczna inteligencja w medycynie zaczyna być błędnie kojarzona wyłącznie z „robotami-lekarzami”. Tymczasem to nie tu tkwi największy potencjał sztucznej inteligencji, to niekoniecznie dzięki robotom nasi pacjenci mogą uzyskać najwięcej korzyści.

Trochę czuję się zawiedziona. Nie będzie robotów, które wspomogą pracę lekarza, a jednocześnie wypełnią lukę brakujących lekarzy i pielęgniarek?

Myślę, że w przyszłości możemy spodziewać się coraz to nowych zastosowań autonomicznych robotów w medycynie, ale jestem głęboko przekonany, że prawdziwe skarby sztucznej inteligencji ukryte są gdzie indziej i wcale nie błyszczą tak intensywnym medialnym blaskiem jak roboty. Mam tu na myśli takie narzędzia sztucznej inteligencji, które pozwolą stworzyć nowe unikalne algorytmy usprawniające diagnozę pacjenta i sugerujące jak najbardziej dostosowane do danego pacjenta rozwiązania terapeutyczne.

To nie brzmi tak atrakcyjnie jak stworzenie robota, który podpowie, jak leczyć.

Ależ ratowanie, wydłużanie życia czy poprawa jego jakości jest również bardzo atrakcyjne. A poprawa diagnostyki i terapii dzięki algorytmom opartym o narzędzia sztucznej inteligencji nie jest tylko mrzonką czy zwariowaną teorią, to się zaczyna dziać na świecie. Ale takie rozwiązania powinny być oparte o bardzo wysokiej jakości bazy danych. Jeśli będziemy się skupiać właśnie na tej wysokiej jakości gromadzenia jak najbardziej pogłębionych danych medycznych obejmujących również badania genomiczne i inne badania -omiczne, to mamy dużą szansę pozostać wysoce konkurencyjni na światowym rynku rozwiązań sztucznej inteligencji. Nawet przed tym wyczekiwanym momentem, kiedy wszystkie dotychczasowe dane medyczne polskich pacjentów zostaną w pełni poddane procesowi cyfryzacji. Pamiętajmy, że dane gromadzone od wielu lat w krajach wysoko rozwiniętych są oparte na dosyć standardowym formacie, odnoszącym się do najważniejszych faktów związanych ze stanem zdrowia pacjenta, takimi jak czas przyjęcia do szpitala, czas wypisu, rodzaj leczenia, wypisane recepty, ponowna hospitalizacja. Oczywiście, to bardzo istotne informacje, szczególnie z punktu widzenia szacowania kosztów w systemie ochrony zdrowia, ale w żadnym wypadku nie wyczerpują wszystkich możliwości stworzenia wysokiej jakości bazy danych sięgających jeszcze głębiej. Tylko w kilku miejscach na świecie - m.in. w Centrum Sztucznej Inteligencji na UM w Białymstoku - gromadzi się znacznie pogłębione dane poszerzone o dane pochodzące z analizy wszystkich genów, białek i metabolitów nowotworu a także szczegółowe badania obrazowe pacjenta. Gromadzimy też dane dotyczące środowiska pacjenta, jego diety, aktywności fizycznej. To wszystko powoduje, że opis choroby pacjenta staje się niezwykle szczegółowy. Dzięki temu, a także dzięki ciężkiej pracy i ścisłej współpracy bioinformatyków z klinicystami można stworzyć nowe, unikalne rozwiązania sztucznej inteligencji. Gdy tak kompleksowe badania u pacjenta staną się normą, będziemy już mieć gotowe rozwiązania i wykorzystywać je w diagnostyce i terapii.

To znaczy, że za kilka, kilkanaście lat będzie już się badać cały genom?

Wiele na to wskazuje, szczególnie, jeśli weźmie się pod uwagę obecne tempo udoskonalania tej technologii idące w parze ze znaczącym zmniejszeniem jej kosztów. Jeśli nagle nie dojdzie do jakiegoś krachu ekonomicznego, to ten moment wykorzystania rozszerzonych danych genomowych nadejdzie wcześniej czy później, a my nie możemy dopuścić do tego, żeby nas zaskoczył. Musimy mieć gotowe własne dane genomowe i wytworzone własne narzędzia oparte o te dane. W przeciwnym wypadku będziemy musieli za takie rozwiązania przygotowane na Zachodzie zapłacić duże pieniądze. I wcale nie jest powiedziane, że metody diagnostyczne i terapeutyczne oparte o dane genomowe pacjentów amerykańskich, brytyjskich czy chińskich muszą odpowiadać profilowi polskich pacjentów.

Macie już tak poszerzone dane dotyczące chorych na raka płuca. Co z nich wynika?

Baza danych obejmująca swoim zasięgiem szereg najczęstszych nowotworów rośnie w imponującym tempie. Odnośnie raka płuca, w ramach projektu finansowanego przez NCBiR zebraliśmy dotychczas dane od kilkuset pacjentów, u których standardowe dane - takie jak typ histologiczny nowotworu, kilka wybranych mutacji, które mogą decydować o kierunku leczenia, stopień zaawansowania choroby, standardowe badania radiologiczne- pogłębiliśmy o analizę genomu (całego materiału genetycznego różnych fragmentów guza), proteomu (szczegółowego profilu wszystkich białek guza), metabolomu (profilu wszystkich metabolitów wytwarzanych przez komórki guza) w korelacji z wynikami badania rezonansu całego ciała połączonego z badaniem pozytronowej tomografii emisyjnej. Tę samą strategię przyjęliśmy również dla innych nowotworów, a także innych chorób cywilizacyjnych. Oczywiście nie wszystko możemy zrobić od razu. Jak łatwo się domyślić, mówimy tu o dość kosztownych analizach. Ale dzięki temu już w tej chwili mamy w rękach wyjątkową w skali świata bazę danych dotyczącą pacjentów z rakiem płuca. Bazę danych, która z pewnością nie jest największa wświecie, ale jest najbardziej szczegółowa. Już pierwsze analizy bioinformatyczne wykazały możliwość stworzenia całkiem nieoczekiwanych rozwiązań diagnostycznych, algorytmów, dzięki którym jesteśmy w stanie wyodrębnić grupy pacjentów, którzy lepiej lub gorzej odpowiedzą na zastosowane leczenie. Grupy pacjentów, którzy odniosą większą korzyść np. ze standardowo stosowanej chemioterapii, oraz tych u których objawy niepożądane mogą nawet przewyższać korzyści wynikające z leczenia.

To znaczy, że nie u każdego pacjenta w ogóle warto stosować chemioterapię? A u innych jest to zdecydowanie korzystne?

O tym, że chemioterapia, a także inne formy leczenia nie muszą działać identycznie u wszystkich pacjentów z daną chorobą, wiemy od dawna. Nie zawsze mamy jednak dostępne wskaźniki pozwalające zidentyfikować pacjentów lepiej lub gorzej odpowiadających na dana terapię. Poszukiwaniem takich wskaźników (biomarkerów) zajmuje się wielu, ale nasze wstępne wyniki prezentują się niezwykle interesująco, choć oczywiście muszą jeszcze zostać potwierdzone w kolejnych badaniach.

Jesteśmy dumni, że nasza strategia kompleksowego zbierania danych jest doceniana w świecie. Nasi partnerzy z amerykańskiego Narodowego Instytutu Raka są pod wrażeniem jakości i stopnia dokładności naszych danych. Często powtarzam: nie jesteśmy w stanie konkurować ilością, możemy za to konkurować jakością danych. Jakością i ciężką pracą. Te dane trzeba bowiem samemu wygenerować, musieliśmy pozyskać i odpowiednio podzielić fundusze tak, by wykonać badania genomowe, przeszkolić ludzi, stworzyć oparte o najwyższe standardy procedury logistyczne, zadbać o jakość pobranego materiału biologicznego.Ogromnym problemem jest często to, że badania genetyczne/genomiczne są wykonywane na materiale wątpliwej jakości.

Wycinki z guza są źle pobrane?

Cały medyczny świat już zrozumiał, że właściwe pobieranie, przechowywanie, transport i analiza materiału biologicznego jest niezwykle istotne, a precyzyjna organizacja tego procesu urasta niekiedy do rangi „logistycznego dzieła sztuki”. Każde kilka minut niewłaściwego przechowywania tkanki po jej pobraniu może doprowadzić do znaczącej zmiany poziomu ekspresji szeregu genów. Możemy potem badać coś, co w rzeczywistości nie istnieje. Jeśli więc chcemy tworzyć wysokiej jakości bazy danych, musimy gromadzić wysokiej jakości materiał biologiczny. Jesteśmy to winni przede wszystkim pacjentom, ale także specjalistom tworzącym na podstawie tych danych Bioinformatycy tylko wtedy stworzą unikalne narzędzia sztucznej inteligencji, kiedy otrzymają unikalne dane.

Co zyskali ci pacjenci, którzy tak dokładnie zostali przebadani? Czy w przyszłości wszyscy będę tak dokładnie badani?

Lekarze leczący tych pacjentów otrzymali „w pakiecie” bardzo szczegółowe dane dotyczące tych bardziej i mniej znanych mutacji nowotworowych. Tym niemniej, to oczywiste, że największe korzyści będą widoczne w przyszłości. To kwestia efektu skali, im więcej danych zbierzemy, tym większą będą miały one wartość.

Będzie to służyć lepszej diagnostyce i bardziej celowanemu leczeniu?

Tak, a poza tym lepszej identyfikacji pacjentów, którzy mogą odnieść określone korzyści z danej terapii oraz pacjentów, u których możemy spodziewać się raczej niekorzystnych efektów, nasilonych objawów niepożądanych.

To znaczy, że w przyszłości nie będzie np. kilku leków na raka płuca, tylko każdy będzie miał swój własny sposób terapii?

Leków już dziś mamy coraz więcej, ważne jest to, żeby te leki były jak najlepiej dopasowane do konkretnego pacjenta. Nie ma jednak spersonalizowanej terapii bez pogłębionej diagnostyki, która pozwoli ocenić, dla którego pacjenta dana terapia będzie najlepsza.

Tak kompleksowe badania będą mogły pomóc zidentyfikować nowe cele terapeutyczne. Badając wszystkie geny, mamy szansę odkryć nieznane dotychczas cechy nowotworu, istotne dla jego rozwoju, ale również możliwości zatrzymania jego rozrostu. Do tej pory opieraliśmy się na analizie kilku, kilkunastu genów, teraz chcemy badać wszystkie geny. To oczywiście, o wiele bardziej kosztowne, pracochłonne… ale z pewnością warte zachodu.

Czy takie badania chcecie prowadzić też w innych chorobach?

Tak, na pewno w raku płuca, raku jelita grubego, piersi, jajnika, prostaty nowotworach ośrodkowego układu nerwowego, a także w chorobach sercowo-naczyniowych, cukrzycy, chorobach o podłożu zapalnym. W ramach Centrum Sztucznej Inteligencji w Medycynie chcemy tez skupić się na populacji osób zdrowych, u których możemy zidentyfikować czynniki ryzyka i szukać nowych czynników ryzyka chorób cywilizacyjnych. Robimy to w ramach programu Białystok Plus (Polish Longitudinal University Study); 10 tys. wybranych losowo osób poddawanych jest bardzo szczegółowym badaniom, a następnie obserwowanych w ciągu kilku lat pod kątem wystąpienia chorób sercowo-naczyniowych, nowotworowych, metabolicznych i innych.. Chcemy zidentyfikować inne czynniki ryzyka tych chorób. Dzięki tego typu badaniom kilkadziesiąt lat temu odkryto, że podwyższone stężenia cholesterolu wiąże się z częstszym występowaniem choroby niedokrwiennej serca.

To znaczy, że możecie odkryć nowy czynnik ryzyka, np. cholesterol - bis?

Można by tak to ująć. Choć idea naszych badań polega na tym, że nie szukamy jednego markera, czynnika ryzyka, tylko staramy się wykonać jak najwięcej badań, bez jednej konkretnej hipotezy, która mogłaby zawęzić nasza perspektywę dostrzeżenia nowych nieoczekiwanych zjawisk. Jesteśmy otwarci na wyniki. Chcemy z tysięcy różnych kombinacji genów, białek i metabolitów odnaleźć te, które mają istotne znaczenie, po to, by w przyszłości nie analizować już wszystkiego, a tylko to, co okaże się najbardziej istotne. Zainwestować teraz, by w przyszłości wydawać mniej. Być może będzie to zestaw kilku nowych genów lub białek które wskażą nam, że u tej osoby może wystąpić choroba Alzheimera, a u innej - wczesny udar mózgu. Dzięki temu będziemy mogli wcześniej te osoby objąć odpowiednią profilaktyką.

Wierzy Pan, że w Polsce takie markery mogą zostać odkryte? Nie w Stanach?
Nie widzę powodu, żebyśmy byli jedynie konsumentami rozwiązań stworzonych na Zachodzie. Nasze rozwiązania mogą być równie lub nawet bardziej konkurencyjne. A poza tym, my się naprawdę różnimy, genomy pacjentów polskich i amerykańskich nie muszą być identyczne. Róbmy swoje, jesteśmy to winni naszym pacjentom.

To znaczy, że w przyszłości nie tylko w nowotworach, ale też np. w cukrzycy czy w chorobach serca każdy z nas dostanie inny lek, spersonalizowany?

Już dziś mamy różne leki, np. dla chorych na cukrzycę. Ważne jest znalezienie właściwych grup docelowych dla poszczególnych leków. Obecnie medycyna oparta na dowodach oparta jest na zasadzie, która mówi, że osiągamy statystycznie istotną różnicę w grupie chorych poddanych danemu leczeniu i ta grupa ma o kilka-kilkanaście procent większą szansę odniesienia korzyści. Ale nawet wewnątrz tej grupy część osób odnosi bardzo duże korzyści, a część zdecydowanie mniejsze. Zasadą personalizowanej medycyny jest odejście od patrzenia na pacjentów jak na grupę, tylko poszukanie indywidualnych rozwiązań. Dziś mamy już wiele form terapii, brakuje nam często dobrego sposobu „przypisania” pacjentów do odpowiedniego leku. Takie badania muszą wykonywać instytucje publiczne, trudno oczekiwać, by robiły to firmy farmaceutyczne. Warto precyzyjnie identyfikować grupy chorych, które mogą odnieść korzyść z niekiedy bardzo drogich terapii, bo poza korzyściami dla pacjentów może przynieść też oszczędności dla budżetu.

Jak będzie więc wyglądała medycyna przyszłości?

Nie sądzę, by sztuczna inteligencja mogła całkowicie zastąpić lekarza. Żaden robot ani algorytm nie zapewni odpowiedniej relacji lekarz - pacjent. Narzędzia SI nie będą w stanie zrozumieć niuansów związanych z emocjami pacjenta, jego duchowością, sytuacją rodzinną. Lekarz i tak powinien podjąć ostateczną decyzję o terapii, jednak narzędzia SI oparte o nowe algorytmy diagnostyczno-terapeutyczne mogą znacząco zaoszczędzić czas niezbędny do analizy dużej ilości danych tak, by zastosować najlepszy wybór. Mając dostęp do nowoczesnych algorytmów i tak będziemy potrzebować jak najlepszych lekarzy, którzy będą potrafili je właściwie i krytycznie zastosować.

Prof. Marcin Moniuszko jest prorektorem ds. nauki Uniwersytetu Medycznego w Białymstoku, kieruje Kliniką Alergologii i Chorób Wewnętrznych UMB